基于不确定油液光谱数据的综合传动装置剩余寿命预测

原子发射光谱分析得到的磨损微粒元素浓度是综合传动装置性能劣化评估和剩余寿命预测的重要监测指标。由于系统随机劣化过程和光谱测量误差的影响,油液光谱数据中不可避免包含系统劣化随机性和光谱测量不确定性。然而,现有基于油液光谱数据的剩余寿命预测研究中,没有考虑劣化过程的随机性和测量的不确定性对剩余寿命预测的影响。因此,针对综合传动装置劣化随机性和油液光谱数据测量不确定性对寿命预测的影响,提出一种考虑系统随机劣化和数据不确定测量的综合传动装置劣化过程建模方法。基于随机过程首中时间的概念,定义了综合传动装置的剩余寿命;基于Wiener随机过程,建立了考虑系统随机劣化和不确定测量数据的综合传动装置劣化模型,利用极大似然估计方法,估计了劣化过程模型的参数;利用卡尔曼滤波技术,实现了综合传动装置劣化状态的实时估计与更新,进一步得到了考虑系统劣化随机性和光谱数据测量不确定性的剩余寿命分布。研究结果表明,提出的劣化建模方法能够准确估计装置的运行状态,避免了采用条件维护时间对装置进行维护与保养的局限性;综合传动装置的维护时间预测值比条件维护时间延长了193 Mh（113.5%）;考虑光谱数据测量不确定性的剩余寿命预测方法优于不考虑测量不确定性的方法。     

基于油液光谱数据融合的湿式离合器剩余寿命预测

针对湿式离合器油液监测数据具有来源分散、数据量大及时间轴不稳定等问题,对光谱分析得到的多数据进行融合,利用维纳过程的预测实时性和预测准确的优点,建立模型开展离合器剩余寿命预测研究。首先,通过排列熵加权证据融合方法对离合器寿命试验获得的指示元素进行融合,构建健康指数;其次,结合维纳过程建立退化模型并通过极大似然法对模型中的参数进行估计;再次,根据历史退化数据对参数进行更新得到离合器剩余寿命预测模型;最后,将预测模型与实例进行对比,得到利用融合多元素的健康指数建立的维纳过程预测模型预测准确性相比单指示元素预测有了很大提升,其预测点更接近试验值。通过观察也发现,湿式离合器运行50～60 h左右时,预测点有了明显的变化,而同样在220～230 h时,预测点有了明显的偏差,在240 h左右又重新接近试验值,其突变点对应了离合器磨损的三个阶段,即初期磨损,正常磨损和剧烈磨损。研究结果表明,融合油液光谱数据结合维纳过程建立的预测模型用于湿式离合器的剩余寿命预测,具有预测实时性强且预测精度高的优点,而通过预测结果和试验值对比发现,湿式离合器磨损状态的不同对预测结果也有一定的影响,尤其磨损状态转变点对预...     

基于信息熵的机械传动油液光谱监测数据选择方法

机械传动装置磨损产生的金属微粒在润滑油中均匀混合并不断积累，是一个缓慢退化过程，可通过油液光谱分析监测。MOA Ⅱ型原子发射光谱仪能够分析得到多达15种元素浓度数据，应用分析得到的油液光谱数据，便能够实现机械传动装置健康状态的监测与评估。然而，并不是所有的油液光谱数据都能够表征装备的健康状态，只有部分油液光谱数据能够提供有用的退化表征信息。应用全部油液光谱数据进行机械传动装置的健康状态监测会增加退化模型的复杂性。鉴于此，为实现机械传动装置健康状态的准确表征，提出了基于信息熵的油液光谱监测数据的选择方法，旨在为机械传动装置的健康状态监测与剩余寿命预测提供有效的退化数据。与传统的油液光谱监测数据选择方法相比，该方法使用信息熵表征各监测数据中蕴含退化信息量的大小，并以此为指标定量选择机械传动装置的退化数据。通过对综合传动装置可靠性试验油液光谱监测数据的实例分析证明了该方法的有效性，能够实现油液光谱数据的定量选择，提高了综合传动装置寿命预测的准确性，也为其他装备监测数据的选择提供了指导。     

光谱油样分析监测技术中的神经网络预测方法

光谱油样分析是机械磨损状态监测与故障诊断的重要技术,基于光谱数据的机械状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,文章将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了三层BP网络模型,针对神经网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,文章利用遗传算法,对神经网络输入节点数、隐层节点数和网络收敛的均方误差(MSE)目标值进行了优化,得到了最优的网络预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统ARMA模型的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。     

基于PHM的舰艇装备视情维修技术研究

针对PHM技术在舰艇装备视情维修中的应用需求,在分析剩余寿命预测机理的基础上,为解决舰艇装备历史数据少、状态变化普遍表现为非线性等难题,建立基于粒子滤波的多步剩余寿命预测模型,通过仿真表明：随着时间的推移剩余寿命PDF图变狭窄,剩余寿命预测误差逐渐降低,证明了预测方法的有效性。在此基础上,考虑装备维修费用最低为目标,建立以费用最低为目标的预防性维修时间确定模型,使得单位时间内的平均维修费用最低,并通过采用建立的基于粒子滤波的多步剩余寿命预测模型,最终确定了最优预防性维修时间,为装备保障人员拟订精确维修保障计划提供依据,也为舰艇装备开展视情维修奠定基础。     

基于油液光谱数据的离合器剩余寿命随机过程预测

基于油液光谱数据的湿式离合器剩余寿命预测对于综合传动装置的状态监测及可靠性具有显著影响。针对油液光谱数据随机性较高以及现有方法的性能指标单一且误差偏大的问题,利用二元Wiener过程的预测实时性和准确的优点,开展离合器剩余寿命预测研究。首先,结合湿式离合器寿命试验,通过对全寿命周期光谱数据的补换油修正处理,提取出离合器剩余寿命预测的指示元素Cu和Pb及失效阈值;其次,通过Matlab Copula函数分析指示元素的相关关系特性,由此推导出剩余寿命的关联函数;再次,根据Inverse Gaussian原理,建立上述两种指示元素的一元、二元wiener过程的性能退化数学模型;最后,利用极大似然估计法进行参数估计,并采用一元、二元性能退化数学模型分别对被试离合器的剩余寿命开展了随机过程预测研究。通过预测结果与试验结果的对比,在150～240 h范围内,二元wiener过程剩余寿命预测的偏差为6%～22%;相较一元wiener过程,剩余寿命预测的准确率提升9%以上。研究结果表明,二元wiener过程模型及其预测方法用于湿式离合器的剩余寿命预测,具有预测实时性强且预测精度高的优点。同时,该方法可...     

基于油液光谱Wiener过程的综合传动装置失效预测

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。作为一种非直接测量方法,油液光谱数据是车辆综合传动装置可靠性评估中的系统性能劣化的重要监测指标,可用于系统失效评估与剩余寿命预测。针对油液光谱数据这类型的一元劣化失效,随机过程尤其是Wiener过程模型具有良好的计算分析性质,在基于性能劣化的可靠性分析中应用日趋广泛。通过对车辆综合传动装置运行中的实时采样,共取得50个油液光谱样本。采用其中三种指示元素的线性回归方程来计算综合传动装置运行中每个瞬时的特征值与均值。基于正漂移Wiener过程,建立了综合传动装置的劣化失效预测模型,并基于R语言环境进行了随机微分方程的仿真与求解。得到了油液光谱中的Fe,Cu和Mo元素含量增长趋势的预测结果以及三种指示元素各自的首中时间。经比较,劣化失效周期的预测值较之条件维护时间延长了27 Mh(15.9%)。维护时间的延长,能够有效的减少全寿命周期内的维护次数,并最终降低维护成本。研究结果表明,该方法适用于综合传动装置的磨损与失效预测、全寿命周期费用与维护计划的优化。同时,也可推广至其他复杂机械系统的失效预测与评价等相关领域。     

原子钟噪声变化时改进的Kalman滤波时间尺度算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在时间保持工作中具有重要的实用价值.本文引入自适应因子改进Kalman滤波时间尺度算法,对Kalman滤波时间尺度算法中状态预测协方差矩阵引入自适应因子,利用统计量实时计算自适应因子的量值,控制状态预测协方差矩阵的增长,降低原子钟状态估计的扰动,从而提高时间尺度的准确度和稳定度.模拟数据和实测数据表明,原子钟噪声强度变化时或噪声强度估计存在误差时改进的Kalman滤波时间尺度算法有效地提高了时间尺度的准确度和长期稳定度.     

基于光谱分析和SVM的综合传动故障诊断研究

油液光谱分析是研究综合传动运行状态的重要方法,文章以油液光谱分析数据为基础,运用支持向量机(support vector machine,SVM),建立了一种多输出最小二乘支持向量回归方法。利用多输出最小二乘支持向量回归方法对两台综合传动光谱油液分析数据进行了研究分析。研究表明,此方法得到的回归数据对1号综合传动试验数据具有良好的逼近效果,对2号综合传动油液光谱分析数据的预测具有较高的准确性。通过与2号综合传动试验数据的对比分析,发现了故障信息,并确定了故障部位。试验结果表明,该方法对于发现故障隐患,判断故障部位具有重要实际意义。     

基于油液原子光谱多维时间序列模型的机械磨损状态监测研究

提出了一种利用润滑油原子光谱分析技术对机械磨损状态进行监测的新方法。对磨合期润滑油原子光谱数据建立多维时间序列模型并视为标准模型,将新数据通过此模型后得到残差并选择残差方差阵元素作为新数据所属磨损状态的特征。然后,利用主成分分析法对高维特征进行降维,提取前三个主成分构成对应磨损状态的特征向量。最后,利用欧式距离度量对测试样本进行分类,达到了对机械磨损状态识别的目的。利用上述方法,通过对某型履带车辆发动机台架实验的光谱数据进行分析,对发动机磨损状态进行了有效识别,从而证明了所提方法的有效性。结果表明,将多维时间序列模型引入油液光谱分析技术,能够实现光谱信息的有效融合,提高机械磨损状态监测的准确性。     

An algorithm for terrain-aided inertial navigation based on nonlinear optimal filtering

When the initial position error or the altimeter measurement noise is large,the BUAA Inertial Terrain-Aided Navigation (BITAN) algorithm based on extended Kalman filtering can not be located accurately.To solve this problem,we propose a modified BITAN algorithm based on nonlinear optimal filtering.The posterior probability density correction is obtained by using the prior probability density of the system's state transition model and the most recent observations.Hence,the local unobservable system caused by...     

卡尔曼滤波在激光跟踪测量系统中的应用

激光跟踪测量系统对于测量运动目标空间位置是行之有效的,但在测量过程中,各种干扰噪声的影响会降低测量精度。采用卡尔曼滤波来减小噪声的影响以提高测量精度。介绍了激光跟踪测量系统,建立了状态方程和测量方程,给出了卡尔曼滤波算法,仿真结果表明,运用卡尔曼滤波大大提高了测量系统的精度。     

一种提高共聚焦显微镜信噪比算法的研究

基于共焦显微镜的成像特点,建立了Kalman滤波算法的理论模型,把Kalman滤波方法引入到系统中,提出一种基于图像像素的Kalman滤波算法,并实现了实时化的Kalman滤波器。实验结果表明:该算法能够有效地提高共焦显微镜信噪比,但是以牺牲时间为代价,提高系统分辨率的根本方法还是要着重考虑优化成像系统光路和探测电路。     

基于周期性截断灰色系统的电力负荷预测

电力负荷预测是电力系统调度和电力生产计划制定的重要依据。电力负荷时间序列有着明显的周期性特征。传统的电力负荷预测主要侧重于预测方法的研究,而忽略了电力负荷数据周期性特性的分析,影响了预测的准确性。针对电力负荷时间序列的周期性特征,提出了一种基于周期性截断的灰色系统模型来进行电力负荷预测。该模型利用周期性截断来反映负荷数据的周期性特征,提高了预测的精度。仿真采用EUNITE Network的公开负荷数据进行算法性能的测试,并与一些主流的电力负荷预测算法：BP神经网络、极限学习机、自回归模型以及传统的灰色系统模型做比较。仿真结果表明,周期性截断的灰色系统负荷预测的归一化均方误差和绝对平均误差是最小的。周期性截断的灰色系统为电力系统负荷预测提供了一种新的有效方法。     

基于简化模型与自适应滤波的车载SINS静基座快速对准

为了实现捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)快速初始对准,根据已有可观测性分析结果,通过理论分析和计算得到了扩展观测量时初始对准系统最优可观测状态量组合,在此基础上简化了对准模型,建立了新的系统方程。针对载车发动机启动或其他情况导致系统噪声无法精确统计,提出了运用基于强跟踪滤波原理的自适应卡尔曼滤波(Kalman Filter,KF)算法抑制滤波发散,加快收敛速度。仿真结果表明运用简化模型和自适应滤波在系统噪声不匹配时具有更快的收敛速度和更高的对准精度,车载实验结果也表明运用简化模型和自适应滤波可以实现快速对准。     

逼近积分点数下限的五阶容积卡尔曼滤波定轨算法

为了在保持滤波定轨精度不变的条件下提高定轨计算的实时性,提出一种新的逼近积分点个数下限的五阶容积卡尔曼滤波定轨算法.首先,采用一种数值容积准则对非线性函数的高斯加权积分进行近似,该准则所需的积分点个数仅比五阶代数精度容积准则积分点个数的理论下限多一个积分点,并在贝叶斯滤波算法框架下推导出本文算法的更新步骤.然后,给出实时定轨所需的状态方程和量测方程,在状态方程中考虑了J2项引力摄动和大气阻力摄动,在量测方程中利用坐标系转换推导了轨道状态与测量元素之间的非线性关系.仿真实验结果表明,本文所提算法在定轨精度方面与已有的五阶滤波算法相当,但所需的积分点个数最少,计算实时性最高,从而验证了本文算法的有效性.     

角闪烁噪声测量条件下的剩余飞行时间估计

针对雷达导引头角闪烁噪声测量条件下的机动目标,研究剩余飞行时间计算方法。建立了闪烁噪声计算模型;在粒子滤波算法和扩展卡尔曼滤波算法的基础上,推导了扩展卡尔曼粒子滤波算法的实现过程;根据估计结果建立了剩余飞行时间计算模型,在剩余飞行时间表达式中考虑了目标机动加速度的影响。仿真结果表明,基于机动目标当前统计模型的扩展卡尔曼粒子滤波算法对闪烁噪声测量条件下的机动目标具有良好的跟踪性能,对剩余飞行时间具有较高的估计精度。     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.